【技術實現步驟摘要】
本專利技術屬于自動駕駛領域，涉及高精度地圖技術，具體涉及一種基于車載相機的道路建圖方法、系統、設備及介質。
技術介紹
1、自動駕駛的高精地圖包含自動駕駛所需的豐富幾何、語義特征，其中道路信息、交通信號等特征是行駛過程中的道路信息，道路信息最終支持自動駕駛車輛的任務和運動規劃，因此在自動駕駛鄰域內對道路信息進行建圖是比較重要的環節。
2、道路建圖是指創建道路網絡的圖示，通常用于城市規劃、交通管理和導航系統等方面，目前道路建圖方法包括基于航空/衛星影像的方式和基于車載激光雷達點云的方式。
3、基于航空/衛星影像的建圖方法適用于大范圍的路網信息的獲取，其通過人工標記或設計算法提取航空/衛星圖像中的道路信息進行建圖，建圖的精度和準確信很大程度上取決于圖像質量，受天氣光照、建筑物遮擋、地形等因素影響，進而難以確保道路網絡的準確性和完整性，并且提取到的道路網絡不包含深度或高程信息。
4、基于車載激光雷達點云的建圖方法適用于小范圍的道路信息的獲取，其通過車載激光雷達掃描行駛道路的周邊環境3d點云，通過不同物體點云強度特征區分不同物體，進而提取到道路相關點云后處理得到道路網絡信息。該方法在提取道路標記時也面臨遮擋和點密度波動問題，使得道路提取的不準確和不完整，并且通常激光雷達掃描采集成本較高。
技術實現思路
1、為了解決現有道路建圖方法存在的因遮擋、光照等因素影響道路網絡準確性和完整性的技術問題，本專利技術公開了一種基于車載相機的道路建圖方法，所述方法包括以下步
2、s1、在目標路段上采集多組全路段行駛數據，每組所述全路段行駛數據均包括前視圖像數據流和自車位置信息；
3、s2、對所述前視圖像數據流進行語義特征識別得到每一幀前視圖像的車道線像素點，通過與每一幀所述前視圖像對應的所述自車位置信息將所述車道線像素點轉換為世界坐標系下的3d點云數據，得到每組所述全路段行駛數據的全程車道線3d點云；
4、s3、對每組所述全路段行駛數據的所述全程車道線3d點云進行聚類和擬合處理，對得到的每條車道線的所有矢量化子車道線疊加融合得到每條所述車道線的矢量化車道線，得到所述目標路段的道路網絡。
5、在上述步驟s2的一個可選地實施例中，所述對所述前視圖像數據流進行語義特征識別得到每一幀前視圖像的車道線像素點，包括：
6、s21、采用訓練的語義分割算法，對所述前視圖像數據流進行語義分割提取得到所述前視圖像數據流中每一幀前視圖像的車道線像素語義特征；
7、s22、提取每一幀所述前視圖像的所述車道線像素語義特征的車道線分割中點，得到每一幀所述前視圖像的車道線像素點。
8、在上述步驟s2的一個可選的實施例中，所述通過與每一幀所述前視圖像對應的所述自車位置信息將所述車道線像素點轉換為世界坐標系下的3d點云數據，包括：
9、s23、通過對車載相機標定后得到的相機位姿信息，對每一幀所述前視圖像的所述車道線像素點進行坐標系轉換，得到自車坐標系下車道線點；
10、s24、通過與每一幀所述前視圖像對應的所述自車位置信息的經緯度和姿態角，將所述自車坐標系下車道線點轉換至世界坐標系下的3d點云數據，其中，所述3d點云數據中高度信息為每一幀前視圖像對應的自車高程。
11、在上述步驟s23的一個可選的實施例中，使用計算機視覺庫或matlab相機標定軟件對所述車載相機進行標定，得到所述相機位姿信息，所述相機位姿信息包括所述相機相對自車坐標系的旋轉矩陣和平移向量。
12、在上述步驟s3的一個可選的實施例中，所述對每組所述全路段行駛數據的所述全程車道線3d點云進行聚類和擬合處理，包括：
13、s31、采用聚類算法對所述全程車道線3d點云進行聚類，得到所述目標路段中每條車道線的3d點云集；
14、s32、對每條所述車道線的所述3d點云集進行分段直線和分段曲線擬合處理，得到每條車道線的3d車道線方程；
15、s33、對每條所述車道線的所述3d車道線方程進行均勻采樣，將得到的有序點連接得到每條所述車道線的矢量化子車道線。
16、在上述步驟s33的一個可選的實施例中，所述對每條所述車道線的所述3d車道線方程進行均勻采樣，將得到的有序點連接得到每條所述車道線的矢量化子車道線，包括：
17、依據每條所述車道線的起始點和終止點，對每條所述車道線進行均勻采樣得到所述車道線的有序點，將得到的有序點連接得到每條所述車道線的矢量化子車道線。
18、本專利技術實施例還提供了一種基于車載相機的道路建圖系統，包括數據采集模塊、語義特征分割模塊、3d點云轉換模塊和點云處理建圖模塊。
19、其中，所述數據采集模塊用于在目標路段上采集多組全路段行駛數據，每組所述全路段行駛數據均包括前視圖像數據流和自車位置信息，所述數據采集模塊包括車載相機、gps模塊和i?mu傳感器。
20、所述語義特征分割模塊用于對所述前視圖像數據流進行語義特征識別得到每一幀前視圖像的車道線像素點；
21、所述3d點云轉換模塊用于通過與每一幀所述前視圖像對應的所述自車位置信息將所述車道線像素點轉換為世界坐標系下的3d點云數據，得到每組所述全路段行駛數據的全程車道線3d點云；
22、所述點云處理建圖模塊用于對每組所述全路段行駛數據的所述全程車道線3d點云進行聚類和擬合處理，對得到的每條車道線的所有矢量化子車道線疊加融合得到每條所述車道線的矢量化車道線，得到所述目標路段的道路網絡。
23、在上述點云處理建圖模塊的一個可選的實施例中，所述點云處理建圖模塊包括矢量化子車道線獲取模塊和融合建圖模塊。
24、其中，所述矢量化子車道線獲取模塊用于采用聚類算法對所述全程車道線3d點云進行聚類，得到所述目標路段中每條車道線的3d點云集；對每條所述車道線的所述3d點云集進行分段直線和分段曲線擬合處理，得到每條車道線的3d車道線方程；對每條所述車道線的所述3d車道線方程進行均勻采樣，將得到的有序點連接得到每條所述車道線的矢量化子車道線；
25、所述融合建圖模塊用于對每條車道線的所有所述矢量化子車道線疊加融合得到每條所述車道線的矢量化車道線。
26、本專利技術實施例還提供了一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述任意的基于車載相機的道路建圖方法，以解決現有道路建圖方法存在的因遮擋、光照等因素影響道路網絡準確性和完整性的技術問題。
27、本專利技術實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有執行上述任意的基于車載相機的道路建圖方法的計算機程序，以解決現有道路建圖方法存在的因遮擋、光照等因素影響道路網絡準確性和完整性的技術問題。
28、與現有技術相比，本說明書實施例采用的上述至少一個技術方案能夠達到的有益效果至少包括：本專利技術的道路建圖本文檔來自技高網...
【技術保護點】
1.一種基于車載相機的道路建圖方法，其特征在于，包括：
2.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述對所述前視圖像數據流進行語義特征識別得到每一幀前視圖像的車道線像素點，包括：
3.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述通過與每一幀所述前視圖像對應的所述自車位置信息將所述車道線像素點轉換為世界坐標系下的3D點云數據，包括：
4.根據權利要求3所述的基于車載相機的道路建圖方法，其特征在于，使用計算機視覺庫或MATLAB相機標定軟件對所述車載相機進行標定，得到所述相機位姿信息，所述相機位姿信息包括所述相機相對自車坐標系的旋轉矩陣和平移向量。
5.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述對每組所述全路段行駛數據的所述全程車道線3D點云進行聚類和擬合處理，包括：
6.根據權利要求5所述的基于車載相機的道路建圖方法，其特征在于，所述對每條所述車道線的所述3D車道線方程進行均勻采樣，將得到的有序點連接得到每條所述車道線的矢量化子車道線，包括：
7.
8.根據權利要求7所述的基于車載相機的道路建圖系統，其特征在于，所述點云處理建圖模塊包括：
9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6中任一項所述的基于車載相機的道路建圖方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有執行權利要求1至6中任一項所述的基于車載相機的道路建圖方法的計算機程序。
...【技術特征摘要】
1.一種基于車載相機的道路建圖方法，其特征在于，包括：
2.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述對所述前視圖像數據流進行語義特征識別得到每一幀前視圖像的車道線像素點，包括：
3.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述通過與每一幀所述前視圖像對應的所述自車位置信息將所述車道線像素點轉換為世界坐標系下的3d點云數據，包括：
4.根據權利要求3所述的基于車載相機的道路建圖方法，其特征在于，使用計算機視覺庫或matlab相機標定軟件對所述車載相機進行標定，得到所述相機位姿信息，所述相機位姿信息包括所述相機相對自車坐標系的旋轉矩陣和平移向量。
5.根據權利要求1所述的基于車載相機的道路建圖方法，其特征在于，所述對每組所述全路段行駛數據的所述全程車道線3d...
【專利技術屬性】
技術研發人員：李豪杰，龔銳，王述良，程建偉，白翔，
申請(專利權)人：武漢極目智能技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。